DATABASE DAN DATA WAREHOUSE. Pertemuan 06 2 SKS
|
|
- Yuliani Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Materi 1. Era Informasi 2. Strategi dan Peluang Yang Kompetitif 3. Database dan Database Warehouse 4. Desain Database 5. Sistem Pendukung Keputusan dan Sistem Cerdas 6. E-Commerce
2 DATABASE DAN DATA WAREHOUSE Pertemuan 06 2 SKS
3 Data dalam SPK Data merupakan elemen penting dalam menentukan kualitas suatu SPK. Data yang buruk atau tidak lengkap menyebabkan SPK tidak mencapai hasil yang optimal/bagus.
4 Preprocessing Data Data Warehouse : Tempat kumpulan data yang digunakan untuk pengambilan keputusan, dikumpulkan dari berbagai sumber dan biasanya terpisah dari database organisasi/perusahaan. Data Mining : Memilih data berdasarkan pola tertentu sehingga diperoleh relasi antar variabel dan memiliki tingkat informasi yang lebih tinggi.
5 Tingkatan Data Data: Kumpulan sesuatu, kejadian, aktivitas, transaksi yang direkam, diklasifikasikan dan disimpan namun tidak diorganisasikan untuk memberikan arti tertentu. Informasi: Data yang telah diorganisasikan sedemikian sehingga memberikan arti bagi penerimanya. Knowledge: Data/informasi yang memberikan pemahaman, pengalaman, pelajaran, keahlian yang berguna untuk pemecahan masalah.
6 Macam-macam Sumber Data Internal (dari dalam organisasi) Eksternal (dari luar organisasi) Personal (dari tenaga ahli yang berupa pendapat subjektif)
7 Data Warehouse Definisi : A data warehouse is a copy of transaction data specifically structured for querying and reporting (Ralph Kimball) Suatu database untuk pendukung keputusan yang disimpan terpisah dari database operasional suatu organisasi Mendukung pemrosesan informasi dengan menyediakan platform data yang historical dan consolidated untuk analisis.
8 Data Warehousing Data warehousing: Proses konstruksi dan penggunaan data warehouses Data Warehousing berupaya mengumpulkan data-data dari berbagai sumber data sehingga mempunyai kualitas data yang bagus. Kualitas data yang bagus sangat mempengaruhi hasil keputusan.
9 Kualitas Data (Data Quality) Kualitas data (DQ) dapat dilihat dari 4 katergori: Contextual DQ: Relevansi, nilai tambah, timeliness, kelengkapan dan jumlah data. Intrinsic DQ: akurasi, objektivitas, keterpercayan, reputasi. Accessibility DQ: aksesibilitas, keamanan akses. Representation DQ: interpretabilitas, kemudahan untuk dimengerti, representasi yang ringkas dan konsisten.
10 Arsitektur Data Warehouse Application Server Database Server Application & Database Server Client Client Arsitektur Data Warehouse 3-tier Arsitektur Data Warehouse 2-tier
11 Organisasi dan Struktur Database dalam Data Warehouse Relational Databases. Berbentuk tabel. Hierarchical Databases. Berbentuk pohon atau bagan organisasi. Network Databases. Berbentuk jaringan kompleks. Struktur Lain: objec-oriented, multimedia-based, documen-based, intelligent databases.
12 Karakteristik Data Warehousing (1) Subject-oriented. Data diorganisasi berdasarkan subyeknya. Mis: pelanggan Integrated. Data dari berbagai sumber disimpan dalam format yang sama. Mis: jenis kelamin : L dan P. Maka data yang masuk mengalami konversi. Time-variant.Menyediakan data dari masa lampau hingga masa kini.
13 Karakteristik Data Warehousing (2) Nonvolatile. Tidak berubah/hilang. Data dalam data warehouse tidak boleh diupdate. Summarized. Data operasional dapat digabungkan ke dalam ringkasan. Not normalized. Tidak ternormalisasi. Metadata. Metadata (data tentang data) disertakan antara lain deskripsi struktur, istilah dan definisi, kepemilikan data, dsb.
14 Data Warehouse vs. Operational DBMS OLTP (on-line transaction processing) Major task of traditional relational DBMS Day-to-day operations: purchasing, inventory, banking, manufacturing, payroll, registration, accounting, etc. OLAP (on-line analytical processing) Major task of data warehouse system Data analysis and decision making Distinct features (OLTP vs. OLAP): User and system orientation: customer vs. market Data contents: current, detailed vs. historical, consolidated Database design: ER + application vs. star + subject View: current, local vs. evolutionary, integrated Access patterns: update vs. read-only but complex queries
15 OLTP vs. OLAP OLTP OLAP users clerk, IT professional knowledge worker function day to day operations decision support DB design application-oriented subject-oriented data current, up-to-date detailed, flat relational isolated usage repetitive ad-hoc access read/write lots of scans index/hash on prim. key unit of work short, simple transaction complex query # records accessed tens millions #users thousands hundreds DB size 100MB-GB 100GB-TB historical, summarized, multidimensional integrated, consolidated metric transaction throughput query throughput, response
16 Mengapa Memisahkan Datawarehouse High performance for both systems DBMS tuned for OLTP: access methods, indexing, concurrency control, recovery Warehouse tuned for OLAP: complex OLAP queries, multidimensional view, consolidation. Different functions and different data: missing data: Decision support requires historical data which operational DBs do not typically maintain data consolidation: DS requires consolidation (aggregation, summarization) of data from heterogeneous sources data quality: different sources typically use inconsistent data representations, codes and formats which have to be reconciled
17 Model Konseptual dari Datawarehouse Modeling data warehouses: dimensions & measures Star schema: A fact table in the middle connected to a set of dimension tables Snowflake schema: A refinement of star schema where some dimensional hierarchy is normalized into a set of smaller dimension tables, forming a shape similar to snowflake Fact constellations: Multiple fact tables share dimension tables, viewed as a collection of stars, therefore called galaxy schema or fact constellation
18 Contoh dari Star Schema time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Measures Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_type location location_key street city province_or_street country
19 Contoh Snow Flake Schema time time_key day day_of_the_week month quarter year Sales Fact Table time_key item_key item item_key item_name brand type supplier_key supplier supplier_key supplier_type branch branch_key branch_name branch_type Measures branch_key location_key units_sold dollars_sold avg_sales location location_key street city_key city city_key city province_or_street country
20 Contoh Fact Constellation time time_key day day_of_the_week month quarter year Sales Fact Table time_key item_key branch_key item item_key item_name brand type supplier_type Shipping Fact Table time_key item_key shipper_key from_location branch branch_key branch_name branch_type Measures location_key units_sold dollars_sold avg_sales location location_key street city province_or_street country to_location dollars_cost units_shipped shipper shipper_key shipper_name location_key shipper_type
21 Tiga Model Data Warehouse Enterprise warehouse Mengumpulkan semua informasi tentang subjek-subjek yang menjangkau seluruh organisasi Data Mart Sebuah subset dari corporate-wide data yang berguna untuk kelompok pengguna tertentu. Ruang lingkupnya lebih spesifik seperti marketing data mart Independent vs. dependent (directly from warehouse) data mart Virtual warehouse Sekumpulan view atas database-databases operational Hanya beberapa dari view yang mungkin yang dapat diwujudkan
22 Penggunaan Data Warehouse Pemrosesan informasi supports querying, basic statistical analysis, and reporting using crosstabs, tables, charts and graphs Analytical processing multidimensional analysis of data warehouse data supports basic OLAP operations, slice-dice, drilling, pivoting Data mining knowledge discovery dari pola-pola tersembunyi supports associations, constructing analytical models, performing classification and prediction, and presenting the mining results using visualization tools.
23 Dari OLAP ke OLAM (OnLine Analytical Mining) Why online analytical mining? High quality of data in data warehouses DW contains integrated, consistent, cleaned data Available information processing structure surrounding data warehouses ODBC, OLEDB, Web accessing, service facilities, reporting and OLAP tools OLAP-based exploratory data analysis mining with drilling, dicing, pivoting, etc. On-line selection of data mining functions integration and swapping of multiple mining functions, algorithms, and tasks. Architecture of OLAM
24 Contoh Arsitektur OLAM Mining query Mining result Layer4 User Interface User GUI API OLAM Engine OLAP Engine Layer3 OLAP/OLAM Data Cube API MDDB Meta Data Layer2 MDDB Filtering&Integration Database API Filtering Databases Data cleaning Data integration Data Warehouse Layer1 Data Repository
25 Data Mining Istilah Data mining digunakan untuk mendeskripsikan penemuan pengetahuan (knowledge) dalam database. Data mining merupakan proses yang menggunakan teknik, statistik, matematik, kecerdasan buatan dan machine-learning untuk mengekstrak dan mengidentifikasi informasi yang berguna dan pengetahuan dari database yang besar.
26 Kovergensi dari Tiga Teknologi
27 Metode Data Mining (1) Data mining mencoba menemukan pola dalam data. Ada tiga jenis metode yang digunakan untuk indentifikasi pola tersebut: Simple models (SQL, OLAP, keputusan manusia). Intermediate models (regresi, decision trees, clustering). Complex models (neural network, dsb)
28 Metode Data Mining (2), Text Mining: Complex Model Library database, s, book stores, Web pages. Spatial Data Mining: Geographic information systems, medical image database. Multimedia Mining: Image and video/audio databases. Web Mining: Unstructured and semi-structured data Web access pattern analysis
29 Metode Data Mining (3) Metode data mining dapat pula dikategorikan ke dalam 2 kategori: Hypotesis-driven. Data mining dimulai dari pernyataan yang kemudian diuji. Mis: Apakah penjualan DVD player berkaitan dengan penjualan televisi? Discovery-driven. Data mining mencari pola, asosiasi, dan hubungan antar data yang akhirnya dapat memberikan informasi lebih.
30 Tingkatan Model Beberapa model lebih baik dari model lainnya Accuracy Understandability Model-model tersebut bervarias dari easy to understand ke tidak dapat dipahami Decision trees Rule induction Regression models Neural Networks Lebih mudah Lebih sulit
31 Langkah-langkah Data Mining Seleksi. Memilih data. Preprocessing. Mengatasi masalah data rusak atau hilang. Transformasi. Menyeragamkan format data. Data mining. Menerapkan algoritma data mining. Interpretasi/evaluasi. Evaluasi hasil.
32 Fungsionalitas Data Mining (1) Karakterisasi (Characterization): Summarization of general features of objects in a target class. ( Concept description) Ex: Characterize grad students in Science Diskriminasi (Discrimination): Comparison of general features of objects between a target class and a contrasting class. (Concept comparison) Ex: Compare students in Science and students in Arts
33 Fungsionalitas Data Mining (2) Asosiasi (Association): Studies the frequency of items occurring together in transactional databases. Ex: buys(x, bread) buys(x, milk). Prediksi (Prediction): Predicts some unknown or missing attribute values based on other information. Ex: Forecast the sale value for next week based on available data.
34 Fungsionalitas Data Mining (3) Klasifikasi: Organizes data in given classes based on attribute values. (supervised classification) Ex: Labeling celestial objects, medical diagnostic, Clustering: Organizes data in classes based on attribute values. (unsupervised classification) Ex: group crime locations to find distribution patterns. Minimize inter-class similarity and maximize intraclass similarity Similarity or dissimilarity-function ( distance) Outlier analysis: Identifies and explains exceptions (surprises) Ex: fraud detection, rare event analysis
35 Contoh Aplikasi Data Mining Marketing: mensegmentasi pelanggan secara demografis. Polisi: melacak pola kriminal, lokasi, perilaku kriminal dan sebagainya untuk membatu memecahkan kasus kriminal. Pabrikasi/Produksi: memperkirakan waktu kegagalan mesin, menemukan faktor-faktor penentu yang mengontrol optimisasi kapasitas pabrikasi.
Datawarehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han
Datawarehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han Apa Data warehouse? Database pendukung keputusan yang terpisah dengan database operasional Platform untuk konsolidasi
Lebih terperinciData Warehouse & Data Mining STMIK GLOBAL
Data Warehouse & Data Mining STMIK GLOBAL Tanpa Data Warehouse Dengan Data Warehouse Multiple Report tanpa/ dengan Data Warehouse teknologi yang ada di data warehouse dan OLAP (On-Line Analytical Processing)
Lebih terperinciData warehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han / Chirayu Versi dok: 0.8/ Sept 14
Data warehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han / Chirayu Versi dok: 0.8/ Sept 14 Jutaan data per hari Kasus: Indomaret Dimensi (jumlah field) data besar Produk, jenis
Lebih terperinciPengantar Data Warehouse dan OLAP
Pengantar Data Warehouse dan OLAP Agenda Pengertian data warehouse Model data multidimensi Operasi-operasi dalam OLAP Arsitektur data warehouse Kegunaan data warehouse Apa itu Data Warehousing? Data warehouse
Lebih terperinciPengantar Data Warehouse dan OLAP
Pengantar Data Warehouse dan OLAP Agenda Pengertian data warehouse Model data multidimensi Operasi operasi dalam OLAP Arsitektur data warehouse Kegunaan data warehouse Apa itu Data Warehousing? Data warehouse
Lebih terperinciINTRODUCTION OF DATA WAREHOUSE. Presented by HANIM M.A M. IRWAN AFANDI.
INTRODUCTION OF DATA WAREHOUSE 1 Presented by HANIM M.A M. IRWAN AFANDI. hanim03@gmail.com, hanim_maria@yahoo.com, andy_afandi@yahoo.com 2 Acknowledgments S. Sudarshan (Comp. Science and Engineering Dept,
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperinciDESAIN WAREHOUSE FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO LANGKAH MEMBANGUN WAREHOUSE
DESAI WAREHOUSE FIRDAUS SOLIHI UIVERSITAS TRUOJOYO LAGKAH MEMBAGU WAREHOUSE 1 4 Langkah Data Warehouse Design Data Warehouse Extraction, Transfor Mation And Loading (ETL) Create Cube Create Dimension View
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Lebih terperinciIN086 Temu Pengetahuan
IN086 Temu Pengetahuan 2. Overview Data Warehouse 1 Pengenalan Data Warehouse Introduksi Definisi data warehouse Data warehouse vs Operasional DB DM-MA/S1IF/FTI/UKM/2012 2 1 Data Warehouse Sebuah gudang
Lebih terperinciArsitektur Data Warehouse. Minggu 4
Arsitektur Data Warehouse Minggu 4 Pengantar Mengapa Pemodelan Data itu penting? Tujuan Meyakinkan semua objek data yang diperlukan oleh database telah terpenuhi. Tabel Relational Tabel Relasional dibangun
Lebih terperinciData Warehouse dan Decision Support System. Arif Basofi
Data Warehouse dan Decision Support System Arif Basofi Referensi Data Warehouse, STMIK Global Informatika MDP. M. Syukri Mustafa,S.Si., MMSI, Sistem Basis Data II (Data Warehouse), 2008. Hanim MA, Data
Lebih terperinciTahapan Proses KDD (Peter Cabena) Business Objective Determination (#1) Business Objective Determination (#2) Business Objective Determination (#4)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #2 Gunawan Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya Tahapan Proses KDD (Peter Cabena) Penentuan Sasaran Bisnis (
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN
SISTEM PENUNJANG KEPUTUSAN IF041-3 2009 Fakultas TeknologiInformasiUniversitasBudi Luhur Jl. CiledugRaya PetukanganUtara Jakarta Selatan 12260 Website: http://fti.bl.ac.id Email: sekretariat_fti@bl.ac.id
Lebih terperinciData Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
Lebih terperinciTahapan Proses KDD (Peter Cabena)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #2 Gunawan Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya Tahapan Proses KDD (Peter Cabena) Penentuan Sasaran Bisnis (Business
Lebih terperinciS1 Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Maranatha
S1 Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Maranatha A cell in the cube may store values (measurements) relative to the combination of the labeled dimensions NY DVD Sales of
Lebih terperinciPERKEMBANGAN BASIS DATA SAAT INI
PERKEMBANGAN BASIS DATA SAAT INI Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer
Lebih terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih terperinciBUSINESS INTELLIGENCE
OVERVIEW BUSINESS INTELLIGENCE Business Intelligence (BI) merupakan perkembangan dari aplikasi Knowlegde Management (KM), dengan menambahkan proses data analytics, yaitu dengan memanfaatkan data yang ada
Lebih terperinciArsitektur Data Warehouse. Minggu 4
Arsitektur Data Warehouse Minggu 4 Pengantar Mengapa Pemodelan Data itu penting? Tujuan Meyakinkan semua objek data yang diperlukan oleh database telah terpenuhi. Tabel Relational Tabel Relasional dibangun
Lebih terperinciPERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING
PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING bagan lanjut Keterangan : 1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) 2. Data integration : penggabungan data dari
Lebih terperinciData Warehouse dan Data Mining Oleh : Asep Jalaludin,S.T.,M.M.
Data Warehouse dan Data Mining Oleh : 1 Definisi : Data Warehouse O Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis
Lebih terperincihttp://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
Lebih terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Lebih terperinciBAB 1 PENGERTIAN DATA MINING DAN FUNGSI-FUNGSI DATA MINING
BAB 1 PENGERTIAN DATA MINING DAN FUNGSI-FUNGSI DATA MINING Pendahuluan Perkembangan yang cepat dalam teknologi pengumpulan dan penyimpanan data telah memudahkan organisasi untuk mengumpulkan sejumlah data
Lebih terperinciOrganizing Data and Information
Organizing Data and Information Chapter 5 Heru Lestiawan, M.Kom 1 Principles and Learning Objectives Pendekatan Database untuk manajemen data memberikan keuntungan yang signifikan atas pendekatan berbasis
Lebih terperinciDATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa
DATAWAREHOUSE I Made Sukarsa Evolusi Sistem Informasi Decision Support System database Database (I,U,D,R) ETL DW (Read) Masalah : integrasi /konsistensi OLTP Normalisasi/Den ormalisasi OLAP Denormalisasi
Lebih terperinciDATA WAREHOUSE. Pertemuan ke-3
DATA WAREHOUSE Pertemuan ke-3 Intelligence Enterprise Pengertian Data Warehouse Sebuah tempat penyimpanan data yang lengkap dan konsisten yang berasal dari sumber-sumber yang berbeda dibuat untuk penggunanya
Lebih terperinciBusiness Intelligence. Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization
Business Intelligence Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization DEFINISI DATA WAREHOUSE Data warehouse adalah database yang saling bereaksi yang dapat digunakan
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining. arifin, sistem informasi - udinus 1
Data Warehouse, Data Mart, OLAP, dan Data Mining arifin, sistem informasi - udinus 1 Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai
Lebih terperinciPERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
Lebih terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih terperinciBusiness Intelligence. Hendrik
Business Intelligence Hendrik } Fragmentasi sistem informasi secara vertical } Menghasilkan pengembangan sistem operasional yang berbasis aplikasi (pengguna) Sales Planning Stock Mngmt... Suppliers Debt
Lebih terperinciAPLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE. Kusnawi Dosen STMIK AMIKOM Yogyakarta. Abstraksi
APLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE Kusnawi Dosen STMIK AMIKOM Yogyakarta Abstraksi Dalam dunia bisnis, pemanfaatan teknologi informasi sudah merupakan kebutuhan yang mendesak terutama
Lebih terperinciBasis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs.
Basis Data Oracle - Business Intelligence System Ramos Somya, M.Cs. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant,
Lebih terperinciPembuatan Aplikasi OLAP Untuk Pelaporan pada PT. Aneka Tuna Indonesia Menggunakan SQL Server 2005
Pembuatan Aplikasi OLAP Untuk Pelaporan pada PT. Aneka Tuna Indonesia Menggunakan SQL Server 2005 Muhamad Adi Prasetyo 1, Ahmad Saikhu 2, Sarwosri 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinciContoh Distributed Database
Hermawan Distributed Database Basis data terdistribusi adalah kumpulan database yang disimpan di banyak komputer pada lokasi yang berbeda-beda dan menampilkan ke user sebagai single database berisi kumpulan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Pengertian Data Menurut (Inmon, 2005, p. 493) data merupakan kumpulan faktafakta, konsep-konsep dan instruksi-instruksi yang disimpan dalam media penyimpanan yang
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
Lebih terperinciBAB II LANDASAN TEORI. yang dapat dilihat, ditimbang, dan dihitung). oleh sebuah organisasi pada waktu tertentu.
BAB II LANDASAN TEORI 2.1 Inventori Menurut Tersine (1984,3) istilah inventori dapat digunakan untuk mengartikan beberapa hal yang berbeda: 1. Stock dalam persediaan yang ada pada waktu yang ditentukan
Lebih terperinciBAB II. LANDASAN TEORIse. Menurut McLeod dan Schell (2004, p405), data warehouse adalah sebuah
BAB II LANDASAN TEORIse 2.1 Data Warehouse Menurut McLeod dan Schell (2004, p405), data warehouse adalah sebuah tempat penyimpanan data dimana kapasitas penyimpanannya berskala besar; datanya diakumulasikan
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 3] Arsitektur dan Struktur Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Arsitektur Data Warehouse Menurut Poe, arsitektur adalah sekumpulan atau
Lebih terperinciDatabase Management. Addr : :
Database Management Systems email Addr : heriyanto.lucky@gmail.com : lucky_heriyanto@hotmail.com 4.1 Contact No : 081318170013 2006 by Prentice Hall The Data Hierarchy Data field adalah unit terkecil dari
Lebih terperinciBAB II LANDASAN TEORI. Data adalah sesuatu yang mewakilkan objek dan peristiwa yang memiliki arti
BAB II LANDASAN TEORI 2.1 Data Data adalah sesuatu yang mewakilkan objek dan peristiwa yang memiliki arti dan sangat penting bagi pemakai (Hoffer, Prescott dan McFadden,2007, p6). 2.2 Basis Data Basis
Lebih terperinci6/26/2011. Kebutuhan perusahaan untuk mengimplementasikan BI cukup besar. BI dengan data analysis toolnya merupakan
Aplikasi e business yang berfungsi untuk mengubah data data dalam perusahaan (data operasional, transaksional, dll) ke dalam bentuk pengetahuan Analisis terhadap transaksi transaksi di masa lampau dan
Lebih terperinciData Mining. Pengenalan Sistem & Teknik, Serta Contoh Aplikasi. Avinanta Tarigan. 22 Nov Avinanta Tarigan Data Mining
Data Mining Pengenalan Sistem & Teknik, Serta Contoh Aplikasi Avinanta Tarigan 22 Nov 2008 1 Avinanta Tarigan Data Mining Outline 1 Pengertian Dasar 2 Classification Mining 3 Association Mining 4 Clustering
Lebih terperinciAnalisis Data dengan Menggunakan ERD dan Model Konseptual Data Warehouse
Analisis Data dengan Menggunakan ERD dan Model Konseptual Data Warehouse Doro Edi 1), Stevalin Betshani 2) Jurusan Sistem Informasi Fakultas Teknologi Informasi, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciFoundation of Bussiness Inteligence : Database and Information Management. Ayu Mentari Tania Rizqy Amalia Nisa Tri Lestari Oktarina Yurika Anggesty
Foundation of Bussiness Inteligence : Database and Information Management Ayu Mentari Tania Rizqy Amalia Nisa Tri Lestari Oktarina Yurika Anggesty FILE ORGANIZATION TERMS AND CONCEPTS Database File Record
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Data adalah sebuah rekaman dari fakta-fakta, konsep-konsep, atau instruksiinstruksi pada media penyimpanan untuk komunikasi perolehan, dan pemrosesan dengan cara otomatis
Lebih terperinciPerancangan Basis Data
Modul ke: Perancangan Basis Data Fakultas FASILKOM DATA WAREHOUSE Program Studi Sistem Informasi www.mercubuana.ac.id Anita Ratnasari, S.Kom, M.Kom DATA WAREHOUSE Definisi Data Warehouse Salah satu efek
Lebih terperinciBAB II LANDASAN TEORI. Teori teori yang digunakan sebagai landasan dalam desain dan. implementasi dari sistem ini adalah sebagai berikut :
BAB II LANDASAN TEORI Teori teori yang digunakan sebagai landasan dalam desain dan implementasi dari sistem ini adalah sebagai berikut : 2.1. Sistem Informasi Manajemen Sistem Informasi Manajemen adalah
Lebih terperinciPengantar Datawarehouse Muhammad Subhan subhan@binusian.org m@tsubhan.com subhan_0072001@live.com http://subhan.blog.binusian.org http://geeks.netindonesia.net/blogs/muhammadsubhan Lisensi Dokumen: Copyright
Lebih terperinciOLAP - PERTEMUAN 8 OLAP
OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi
Lebih terperinciLecture s Structure. Desain Data Warehouse (I): Dimensional Modelling. Mendisain Sebuah Data Warehouse
Desain Data Warehouse (I): Dimensional Modelling Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 3 Copyright Yudi Agusta, PhD 2006 Lecture s Structure Merancang Sebuah Data Warehouse Skema Perancangan
Lebih terperinciBASIS DATA MODEL BASIS DATA
BASIS DATA MODEL BASIS DATA APA ITU MODEL BASIS DATA? Model database menunjukkan struktur logis dari suatu basis data, termasuk hubungan dan batasan yang menentukan bagaimana data dapat disimpan dan diakses.
Lebih terperinciDATA WAREHOUSE PERTEMUAN I S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM
DATA WAREHOUSE PERTEMUAN I 22032013 S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM METODE PEMBELAJARAN Kuliah Diskusi Presentasi Latihan Tugas Quiz UTS UAS BUKU ACUAN Apress Building A Data Warehouse With
Lebih terperinciPEMBUATAN DATA WAREHOUSE PENGUKURAN KINERJA PROSES BELAJAR MENGAJAR DI JURUSAN TEKNIK INFORMATIKA UNIVERSITAS KRISTEN PETRA
PEMBUATAN DATA WAREHOUSE PENGUKURAN KINERJA PROSES BELAJAR MENGAJAR DI.. (Andreas Handojo, et al.) PEMBUATAN DATA WAREHOUSE PENGUKURAN KINERJA PROSES BELAJAR MENGAJAR DI JURUSAN TEKNIK INFORMATIKA UNIVERSITAS
Lebih terperinciAnggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
Lebih terperinci6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
Lebih terperinciPERANCANGAN DATA MART BAGIAN PENJUALAN MOTOR BEKAS(USED MOTOR CYCLE ) PADA CV. ATLAS MOTOR
PERANCANGAN DATA MART BAGIAN PENJUALAN MOTOR BEKAS(USED MOTOR CYCLE ) PADA CV. ATLAS MOTOR Randy Permana, S. Kom, M. Kom, Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang e-mail : randy.permana@rocketmail.com
Lebih terperinciSATUAN ACARA PERKULIAHAN PROGRAM PASCA SARJANA MAGISTER TEKNIK INFORMATIKA (MKom) UNIVERSITAS DIAN NUSWANTORO
Pertemuan Tujuan Instruksional Umum (TIU) 1 Mahasiswa memahami konsep business Tujuan Instruksional Khusus (TIK) Pokok Bahasan Sub Pokok Bahasan Teknik Pembelajaran 1. Mahasiswa dapat menjelaskan konsep
Lebih terperinciText dan Web Mining. Budi Susanto Teknik Informatika UKDW Yogyakarta
Text dan Web Mining Budi Susanto Teknik Informatika UKDW Yogyakarta Deskripsi Matakuliah ini secara prinsip menekankan tentang teknik-teknik yang perlu diketahui mahasiswa dalam mengelola kumpulan dokumen
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciPERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR
PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR Erick A. Lisangan 1, N. Tri Suswanto Saptadi 2 1 erick_lisangan@yahoo.com 2 ntsaptadi@yahoo.com Abstrak Proses dan
Lebih terperinciBAB 2 2 LANDASAN TEORI. Menurut Inmon (2002, p388), data adalah rekaman dari fakta-fakta, konsepkonsep,
BAB 2 2 LANDASAN TEORI 2.1 Pengertian Data Menurut Inmon (2002, p388), data adalah rekaman dari fakta-fakta, konsepkonsep, atau instruksi-instruksi pada media penyimpanan untuk komunikasi, pengambilan,
Lebih terperinciDATA WAREHOUSE (The Building Blocks)
DATA WAREHOUSE (The Building Blocks) { 1. Review Definisi Data warehouse 2. Feature Data warehouse 3. Data warehouse Vs Data Mart 4. Komponen/Building Block Data warehouse 5. Pengenalan Metadata Pendahuluan
Lebih terperinciMEMBANGUN DATA MINING DENGAN SQL SERVER 2005 BUSINESS INTELLIGENCE
MEMBANGUN DATA MINING DENGAN SQL SERVER 2005 BUSINESS INTELLIGENCE Emha Taufiq Luthfi Dosen STMIK AMIKOM Yogyakarta Abstraksi Data mining melakukan proses penggalian terhadap data untuk mendapatkan pola
Lebih terperinciAnalisis Data Minimarket dengan Menggunakan ERD dan Model Konseptual Data Warehouse
Analisis Data Minimarket dengan Menggunakan ERD dan Model Konseptual Data Warehouse Sandro Alfeno 1, Siti Fatimah 2 Jurusan Sistem Informasi, STMIK Raharja 1 Email : sandro 2 Email : fatimah@raharja.info
Lebih terperinci2. Tinjauan Pustaka. Gambar 2-1 : Knowledge discovery in database
2. Tinjauan Pustaka 2.1 Data Mining Data mining merupakan ilmu yang mempelajari tentang proses ekstraksi informasi yang tersembunyi dari sekumpulan data yang berukuran sangat besar dengan menggunakan algoritma
Lebih terperinciBAB II KONSEP DATA WAREHOUSING
BAB II KONSEP DATA WAREHOUSING Komptensi yang diharapkan: Peserta pembelajaran memahami konsep-konsep, berbagai istilah, karakteristik, manfaat, tujuan, tugas-tugas data warehouseing. A. Pengertian Beberapa
Lebih terperinciBAB II LANDASAN TEORI. Dasar-dasar teori tersebut akan digunakan sebagai landasan berpikir dalam
BAB II LANDASAN TEORI Dalam merancang dan membangun suatu sistem informasi, dasar-dasar teori yang akan digunakan sangatlah penting untuk diketahui terlebih dahulu. Dasar-dasar teori tersebut akan digunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Data Warehouse 2.1.1 Definisi Database Menurut Thomas Connolly dan Carolyn Begg (2002, p14), Database is a shared collection of logically related data, and a description
Lebih terperinciARSITEKTUR & MODEL DATA MINING
PERTEMUAN 3 ARSITEKTUR & MODEL DATA MINING 28 September 2005 Arsitektur dan Model Data Mining 1 Arsitektur : Sistm Data Mining Graphical User Interface (GUI) Pattern evaluation Data Mining Engine Database
Lebih terperinciBAB 2 LANDASAN TEORI. Berikut ini akan dijelaskan teori umum atau dasar yang digunakan, yaitu sebagai berikut:
BAB 2 LANDASAN TEORI 2.1 Teori Umum Berikut ini akan dijelaskan teori umum atau dasar yang digunakan, yaitu sebagai berikut: 2.1.1 Pengertian Data Menurut Hoffer & Venkataraman (2011: 5) menjelaskan bahwa
Lebih terperinciSistem Temu Kembali Informasi/ Information Retrieval IRS VS SI LAIN
Sistem Temu Kembali Informasi/ Information Retrieval IRS VS SI LAIN Dokumen Penyimpanan yang Terorganisasi Database Mahasiswa Database Buku ID Nama Buku Pengarang 001 Information Retrieval Ricardo baeza
Lebih terperinciBAB 2 LANDASAN TEORI. yang menyewa) yang memberikan lessee hak untuk. persyaratan-persyaratan di mana pemilik properti, yaitu lessor (yang
BAB 2 LANDASAN TEORI 2.1. Sewa Guna Usaha (Leasing) 2.1.1. Pengertian Leasing Menurut Kieso (2003, p1086), sewa guna usaha (lease) adalah suatu perjanjian bersifat kontraktual antara lessor (pihak yang
Lebih terperinciRancang Bangun Data Warehouse
Rancang Bangun Data Warehouse i ii Rancang Bangun Data Warehouse Rancang Bangun Data Warehouse iii iv Rancang Bangun Data Warehouse RANCANG BANGUN DATA WAREHOUSE Oleh : Muhammad Yazdi Pusadan, S.Kom.,
Lebih terperinciPen e g n a g n a t n a t r a r D at a a t a M ini n ng n oleh: Entin Martiana
Pengantar Data Mining oleh: Entin Martiana Pengantar Mengapa data mining? Apa data mining? Data Mining: data apa saja? Fungsi data mining Model dalam data mining Fungsi dalam data mining Permasalahan dalam
Lebih terperinciAchmad Yasid, S.Kom
Achmad Yasid, S.Kom http://achmadyasid.wordpress.com aspireyazz@gmail.com 1. 2. 3. 4. 5. Review Definisi Data warehouse Feature Data warehouse Data warehouse Vs Data Mart Komponen/Building Block Data warehouse
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum Teori umum adalah suatu pernyataan yang dianggap benar secara universal. Teori umum merupakan dasar untuk mengembangkan teori selanjutnya yang lebih khusus (spesifik).
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 2] Jenis dan Karakteristik Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Jenis Data Warehouse 1. Functional Data Warehouse (Data Warehouse Fungsional)
Lebih terperinciMEMBANGUN DATA WAREHOUSE
MEMBANGUN DATA WAREHOUSE A. Menentukan Bentuk Data Warehouse Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun suatu data warehouse kita harus memutuskan bentuk
Lebih terperinciBAB 2 LANDASAN TEORI. berarti dan penting di lingkungan pemakai. (Hoffer, Prescott, dan McFadden, 2002, p5).
BAB 2 LANDASAN TEORI 2.1 Data Data adalah sebuah representasi dari obyek - obyek dan kejadian - kejadian yang berarti dan penting di lingkungan pemakai. (Hoffer, Prescott, dan McFadden, 2002, p5). Data
Lebih terperinciPerancangan Data Warehouse pada Perpustakaan. STMIK AMIKOM Yogyakarta
Perancangan Data Warehouse pada Perpustakaan STMIK AMIKOM Yogyakarta Armadyah Amborowati STMIK AMIKOM Yogyakarta armagauthama@yahoo.com Abstraksi Data merupakan aset penting dalam sebuah organisasi yang
Lebih terperinciDATAWAREHOUSE FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO. DATA dlm suatu ORGANISASI
DATAWAREHOUSE FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO www.fsolihin.co.cc DATA dlm suatu ORGANISASI Dari mana data itu berasal? Berapa tahun data customer disimpan dan digunakan? Berapa Tahun data keuangan
Lebih terperinciAdministrasi Basis Data. Yoannita
Administrasi Basis Data Yoannita Database Users Pengguna database dibedakan berdasarkan keperluan dan cara mereka berinteraksi dengan sistem. Application programmers interact with system through DML calls
Lebih terperinciDATA WAREHOUSE. Data warehouse dapat sebagai kunci pembeda dalam suatu industri-industri yang berbeda.
DATA WAREHOUSE DATA WAREHOUSE Adalah kumpulan dari komponen-komponen perangkat keras dan perangkat lunak yang dapat digunakan untuk mendapatkan analisa yang lebih baik dari data yang berjumlah sangat besar
Lebih terperinciOnline Analytical Processing (OLAP)
Online Analytical Processing (OLAP) OLAP 1/16 Outline Keuntungan OLAP Penyajian Data Multidimensi Peralatan OLAP dan Kategorinya Penerapan SQL pada OLAP OLAP 2/16 OLAP : Sintesa dinamis, analisis, dan
Lebih terperinciBAB I PENDAHULUAN. Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan data diberbagai bidang ilmu pengetahuan, bisnis ataupun pemerintahan. Pada proses penyediaan
Lebih terperinciPENGENALAN BASIS DATA. By Novareza Klifartha
PENGENALAN BASIS DATA By Novareza Klifartha Referensi Materi Kuliah Basis Data pada Kent State University oleh Yuri Breitbart Hector Garcia-Molina, Jeffrey D. Ullman, Jennifer Widom, Database Systems,
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 6] Pemodelan Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Pemodelan Data Ada dua pendekatan yang diterima sebagai best practice untuk memodelkan
Lebih terperinciPERANCANGAN DATA WAREHOUSE DENGAN PENDEKATAN ENTERPRISE ARCHITECTURE (STUDI KASUS: PT. TELEKOMUNIKASI INDONESIA Tbk.)
PERANCANGAN DATA WAREHOUSE DENGAN PENDEKATAN ENTERPRISE ARCHITECTURE (STUDI KASUS: PT. TELEKOMUNIKASI INDONESIA Tbk.) Kusuma Ayu Laksitowening Institut Teknologi Telkom kal@ittelkom.ac.id ABSTRACT As the
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Warehouse Mohammed (2014) mengatakan bahwa data warehouse merupakan database relasional yang dirancang untuk melakukan query dan analisis. Data warehouse biasanya berisi
Lebih terperinciKisi2 UTS Konsep Data Mining 2010
Kisi2 UTS Konsep Data Mining 2010 Note : w gak tau ya nih jawaban bener pa gak.. Yang penting w udah usaha n cari jawabannya. W jg gak tau soal KDM bentuknya essay or GP, tp pak avinantanya hanya kasih
Lebih terperinciPengantar Basis Data SISTEM BASIS DATA I. WAN H. Manihuruk, S.kom
Pengantar Basis Data SISTEM BASIS DATA I WAN H. Manihuruk, S.kom Outline Database DBMS Levels of Abstraction Data Models Database Language Database Kumpulan file / tabel / arsip yang saling berhubungan
Lebih terperinciTugas Akhir (KI091391) Muhamad Adi Prasetyo
Tugas Akhir (KI091391) Muhamad Adi Prasetyo 5105100159 Prolog Sebuah Program Aplikasi Web yang dibuat untuk melaporkan kuantitas Proses Produksi Menggunakan Metode OLAP pada PT. Aneka Tuna Indonesia (ATI).
Lebih terperinciPerancangan Data Warehouse Pemetaan Data Siswa Pada Disdikpora Kota Palembang
Perancangan Data Warehouse Pemetaan Data Siswa Pada Disdikpora Kota Palembang Rian Pratama (ryan3877@gmail.com), Suci Roisyah (Suci.mdp@gmail.com) Abdul Rahman (arahman@stmik-mdp.net) Jurusan Teknik Informatika
Lebih terperinciBAB 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
Lebih terperinciDATABASE. Basis Data : Suatu pengorganisasian sekumpulan data yang saling terkait sehingga
DATABASE Basis Data : Suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktivitas untuk memperoleh informasi. Contoh : basis data akademis mengandung tabel tabel yang berhubungan
Lebih terperinci